JPH01120633A - データ・ベースの探索時の順次的判断を適応的に再配列するシステム - Google Patents

データ・ベースの探索時の順次的判断を適応的に再配列するシステム

Info

Publication number
JPH01120633A
JPH01120633A JP63122238A JP12223888A JPH01120633A JP H01120633 A JPH01120633 A JP H01120633A JP 63122238 A JP63122238 A JP 63122238A JP 12223888 A JP12223888 A JP 12223888A JP H01120633 A JPH01120633 A JP H01120633A
Authority
JP
Japan
Prior art keywords
logarithm
decision
devices
ratio
probability
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP63122238A
Other languages
English (en)
Inventor
Amar Mukherjee
アマール・ムカージイ
Kadathur S Natarajan
カダーサー・スブラマンジヤ・ナタラジヤン
Harold S Stone
ハロルド・スタート・ストーン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by International Business Machines Corp filed Critical International Business Machines Corp
Publication of JPH01120633A publication Critical patent/JPH01120633A/ja
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/01Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10STECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S706/00Data processing: artificial intelligence
    • Y10S706/902Application using ai with detail of the ai system
    • Y10S706/903Control
    • Y10S706/908Electronic or computer, internal or network, circuit

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Complex Calculations (AREA)
  • Devices For Executing Special Programs (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 A、産業上の利用分野 本発明は一般に人工知能の分野に関し、具体的にはエキ
スパート・システムにおける順次的判断を適応的に再配
列するのに必要とされる計算をハードウェア中で実現す
ることによって発見的探索方法を簡単にし、スピード・
アップする装置に関する。
B、従来技術 本発明は判断のシーケンスを適応的に再配列して、判断
を実行する平均時間を最小にするアルゴリズムとともに
使用することを意図している。判断の結果を配列してバ
ホーマンスを改良するという着想はたとえば次の論文に
みられる。
1956年刊 海軍記号論理学研究季刊誌筒3春第59
−66頁、ウニイン・E、スミス著「単−段プロダクシ
ョンのための種々のオプチマイザ」(Wayne E、
Sm1th、“Various Optimizers
 forSingle−5tage Producti
on’、Naval ResearchLogisti
cs Quartarly+ 3 (1956)、 p
p、 591975年刊人工知能第6巻第3号第235
−247頁のヘルパートA、シモン及びジョゼフB。
カダン著「最適問題解決探索法:オール・オア・ナッシ
ング解決法J(Herbert A、Simon an
d JosephB、Kadane、”Optimal
  Problem−5olving  5earch
:A11or None 5olutions”、Ar
tificial Intelligence。
6 (3)、1975.pp、235−247)197
6年2月刊 ACM通信第19巻第2号第63−67頁
ロナルド・リベスト著「自己組織化順次探索発見法につ
いてJ (Ronald Rives’t、”OnSe
lf−Organizing 5equential 
5earchHeuristics”、Communi
cations  of  the  ACM、Vol
、19、no、2.Feb、1976、pp、63−6
7)情報のデータベース中で前向き推論を使用し、各オ
ペレータが単一の新しいオブジェクトもしくは状態を形
成することによって作業する問題解決システムは状態空
間表示における問題を表わすと云える。発見的情報を使
用して、とのノードが次に拡張されるかを判断する状態
空間探索アルゴリズムの一般的着想は常に最も有望なノ
ードを拡張することである。この着想を具体化するアル
ゴリズムは順序付け(配列)探索もしくは最良優先探索
アルゴリズムと呼ばれる。最適順序付けは成功の頻度と
結果を評価するコストの関数である。適応性再配列は簡
単なリスト及びデータ・ベースを探索する時、エキスパ
ート・システム中でプログラムを検べる規則を配列する
時に有用である。−膜内説明については、1981年ヒ
ユーリスチク出版社刊アベロン・バー及びエドウアード
・A。
ファイゲンバウム編[人工知能ハンドブック」第1巻第
58頁以降の「発見的状態空間探索」・を参照されたい
コスト及び確率はプログラムの実行中に推定され、究極
的に最適配列に収束する適応性探索を形成することがで
きる。上山のりベストの論文はすべてのコストが単位コ
ストである特殊な場合に最適配列に収束する2ツの技術
を開示している。この問題は例として最も良く説明され
ている。各々がYES/Noの結果を与える判断のリス
トを有するものと仮定する。ここでの目的は判断のリス
トを1時に1つずつ調べて、各判断を評価し、その結果
を調べて、最後にYESの結果を与える判断に達するこ
とである。この時点で動作は終了する。望まれているこ
とは判断を配列して、平均的な場合に最初の成功結果に
達する時間を最小にすることである。
再配列の中心的着眼点は各判断について比p/Cを計算
することにある。ここでpは判断の成功結果の確率であ
り、Cは判断をなすための計算のコストである。判断の
最適配列は降順のp/cより成る。この比は前もって知
る必要はない。それはプログラムの実行中に推定できる
からである。
所与の判断規則についての確率pは成功数を判断の計算
の総数によって除算した比として推定される。コストC
はある規則のすべての評価に費した総時間をその規則の
ための判断の計算数によって除算した比として推定され
る。従って比p/cは規則のための成功数を、その規則
を評価するのに費した総時間で除算することによって推
定される。
判断の計算数はp / cの分子及び分母に共通の因子
であるから、比を計算する時に消去される。
データ・ベースの寸法にもよるが、各規則に対する比p
 / cを計算するのに必要な除算の数は適応性探索中
の判断を再配列するのに必要な時間を決定する0乗算と
除算はコンピュータでなされる計算の中でも最も時間が
かかり、従って高価な計算である。従って極めて大きな
データ・ベースの場合は探索の最適再配列自体が極めて
高価になる。
C0発明が解決しようとする問題点 本発明の目的は“最初の1検出器″とともに、整数の加
算及び減算を使用することによって完全に除算を除去し
た高速で安価な装置を与えることにある。
D0問題点を解決するための手段 本発明は最適配列が各判断についてp / cの相対的
大きさにだけ依存するという認識に基すいている。この
ような場合には、最適再配列の比較をする時にp / 
cに代って任意の単調関数f (p/C)が使用できる
。従って本発明に従って、p/C自体に代ってlog(
p/c)を使用する。10g(p / c )は各特定
の規則について、log (成功数) −1og(総実
行時間)によって近似できるので。
2つの比の対数はlog (規則1の成功数) =lo
g(規則2の成功数) +log (規則2の総実行時
間)−1og(規則1の総実行時間)を計算することに
よって比較できる。この計算は対数の簡単な加算及び減
算である。この対数の計算が安価であれば、特に再配列
が、判断を再配列するための特定の専用ハードウェアに
よって実行される場合には、加算及び減算動作は比を計
算するよりも一層安価になる。
事実、対数は基数(底)2の対数のフロア(floor
)関数を使用することによって本発明の目的には妥当な
正確さで近似できる。フロア関数とは2を底とする真の
対数の値を越えない整数を求めることである。任意の整
数Nの場合、フロア(底2のlog(N))はNの2進
表示の有効ビット数に等しい。たとえば整数13(基数
10)は2進では1101であり、8ビツトワードもし
くはバイト中で右方にそろえると、その表示はOo。
01101である。対数の推定結果は値3を与えなけれ
ばならないが、この値は上記バイト表示中の先頭の1の
ビット位置に対応する(ビット位置は右から左に0乃至
7と番号を付すものとする)。
本発明の好ましい実施例では、優先順位コード化装置を
使用して2進ベクトル中の先頭の1の2進コード化され
たビット位置を戻す。従って、この装置が本発明の専用
再配列装置に必要な対数を計算する6本発明の装置によ
って遂行される動作を次に示す。
〔不成功判断〕
(1)この判断のための総時間は新しい判断をなすのに
要する時間だけ増大する。
〔成功判断〕
(1)この判断のための総時間は新しい判断をなすのに
必要な時間だけ増大する。
(2)この判断のための成功カウントは1だけ増大する
〔再配列判断〕
(1)判断リスト中の各判断について優先順位(成功カ
ウンター)−優先順位(総時間)を計算する。
(2)段階(1)で計算した値を分類キーとして判断リ
ストを分類する。
ここで用語優先順位(成功カウント)は優先順位エンコ
ーダの入力に成功カウントを与えた時の優先順位エンコ
ーダによって計算される関数値をさす。この関数値は上
述した成功カウントの底2の対数のフロア値に5等しい
E、実施例 本発明はたとえば米国特許出願第885101合に開示
されている型の適応性機構に使用されることを意図して
いる。この適応性機構では、たとえばデータ・ベースを
探索する過程でなされる判断の連鎖がその実行中になさ
れるill!察に基ずいて再配列され、より高速な実行
を達成する配列が形成される。究極的に、ある時間間隔
での平均バホーマンスは最適パホーマンスに収束する。
動作について説明すると、プログラムが書かれた時点で
は異なる代替経路のための(成功及び不成功のための)
コスト及び確率は知られておらず、プログラマは先験的
知識がらは最適配列を決定できないものと想定する。探
索プログラムが提示される時は、動作は探索木の初期配
列に従う。これ等の問題の例を解く時は、異なる代替経
路を試行するのに費した探索の努力量(命令のCPU時
間もしくは数あるいはある他の顕著な測定可能量)もモ
ニタする。探索プログラムの実行の繰返し観測から集め
られた情報は代替経路の近最適配列を自動的に形成する
のに使用される。
図面、特に第2図を参照するに、最適再配列過程の流れ
図が示されている。この流れ図はこの過程の簡単な例で
ある。その詳細は玉出の米国特許出願第885101号
を参照されたい。この流れ図で、過程は機能ブロック1
0中で判断を計算することによって開始する。次に判断
ブロック12で、その判断が成功したかどうかのテスト
がなされる。もし成功しないと、機能ブロック14で。
新しい判断をなすのに要する総時間を現在の判断をなす
のに要した時間分だけ増加する。次に判断ブロック16
中で、データ・ベース中の最後の判断がなされたかどう
かの判断がなされる。もしなされていないと、機能ブロ
ック10中で新しい判断の計算がなされる。
次に判断ブロック12によってなされるテストの結果が
真である、即ち機能ブロック10で計算された判断が成
功したと仮定する。この場合、過程は機能ブロック18
に分岐し、ここで機能ブロック14の場合と同じように
、新しい判断に要する総時間をこの判断のための時間分
だけ増加し。
次に機能ブロック20でその判断のための成功カウント
を1だけ増加する。再びテストが判断ブロック16でな
され、この判断が最後のものであるかどうかが判断され
、最後のものでなければ機能ブロック10中で新しい判
断の計算がなされる。
各場合に、判断に要する時間は記憶される。これ等の時
間は判断の計算のコストCに対応する。
同じように成功のカウントが記憶されるが、これ等のカ
ウントは確率pに対応する。すべての判断が終った時は
、判断ブロック16中のテスト結果は真であり、この判
断を再配列する過程が開始する。最初、判断の優先順位
が機能ブロック22において計算される。この計算は比
p i / c iの計算である。優先順位は一度計算
されると1機能ブロック24中で、計算された優先順位
に基ずいてリストが分類される。
本発明は特に第2図の機能ブロック24によって表わさ
れた優先順位の計算のハードウェアの具体化に向けられ
る。ここで第3図を参照するに、レジスタ30中に存在
する整数は重み215のビットを意味する15とラベル
の付された最上位ビット及び0とラベルの付された最下
位ビットを有する。この装置の基本的機能はオペランド
の対数を推定することである。この推定はオペランドの
2進コード化された数の最上位の1を検出し、先頭の1
の位置に対するコードを出力レジスタに置くことによっ
て行われる。
本発明の好ましい実施例では、先頭の1の検出は優先順
位エンコーダとして知られた1対の論理装置によって行
われる。第3図でエンコーダは2つの74148装置と
して示されているが、任意の等価装置もしくは組合せ装
置が装置間の差異を調整するために配線を変更して使用
できる。74148装置はシグネテイクス社及びテキサ
ス・インスツルメント社(Signetics and
 TaxasInstruments)を含む数社によ
って製造販売されている。詳細な説明はたとえば198
6年シグネテイクス(Signetics)社刊のファ
ースト・データ・マニュアル(FAST Data M
anual)第6−103乃至第6−107頁、198
5年テキサス・インストラメント社(Texas In
struments)刊のスタンダードT T L (
Standard TTL)第2巻、第3−555乃至
第3−560頁になされている。
これ等の装置は8本のデータ線を3本の線の2進数にエ
ンコードし、それ最上位のデータ線のみがエンコードさ
れるようにする。74148装置は2進数系の補数にエ
ンコードされた入力を受取り、同じく補数の出力を発生
する。そのために。
入力は反転器36のバンクを通って、補数入力となり、
74148装置32及び34の出力は夫々反転器38及
び40のバンクを通って補数エンコーディングが直接エ
ンコーディングに変化する。
74148装置は各々8ビツトをエンコードするが、信
号EOL(イネーブル・アウトプット(アクティブロウ
))及びEIL(イネーブル・インプット(アクティブ
・ロウ))によってその活動がより長いワード長に連結
される。もし16ビツト・オペランドのすべての8個の
上位ビットが0である時は、EOLは低値に変化する。
この低値は下位8ビツトのためのエンコーダを活性化し
てその入力上の先頭の1をエンコードする。
そうでない時は下位のエンコーダは線Oのためのコード
の補数を先頭の1ビツトを有するものとして発生する。
もし74148装置のすべての入力が2進1を含み原入
力データの対応するビットが2進0だけを含む状態を示
す時は、装置はグループ信号(アクティブ・ロウ)を示
す信号線GS  L上に高レベル信号を発生する。AN
Dゲート42は両方の74148装置がGS  L上に
高レベル信号を発生する時に高レベルに信号を発生する
。これはオペランドのすべての16個のビットが2進0
であることを意味している。
たとえば整数5(基数10)に相当する入力データ00
00000000000101は反転器のバンク36中
で補数にされ、74148装W32及び34の入力で1
111111111111010になる。上位の装置3
2はGS  L上に高レベルを、EOL上に低レベルを
与える。装置32のデータ出力ビットが111である時
には補数化するとOOOになる。下位の74148装置
34はそのEI  L入力が低レベルであるためにその
入力をエンコードし、その出力に101とGSL上に低
レベルを発生する。101は反転器バンク40中で補数
にされ、010となり、全出力値は000010となる
。これは値2(基数10)の2進エンコーデイング値で
ある。この対数に対する正しい近似は2である。1つの
GS  L入力がOで、他のGS  L入力が1である
ので、ANDゲート42の出力は0であり、これによっ
て回路は入力データがOでないことを示す。
適応性探索の場合には、形p i / c iの比を比
較することが必要である。この場合に本発明を使用する
ためには、次の段階を遂行する。
(1)変数p1、p2、cl及びc2が与えられたもの
とし、各変数について、第3図に示した装置から対数の
近似値を計算する。
(2)  ’)’ 1=log p ll−1o c 
1及びy2=logp2−1ogc2を計算する。
(3)γ1とγ2を比較する。もしγ1が大きいと、比
p i / c iが比P 2/c2よりも大きくなる
次に第1図を参照すると、上述の計算を遂行するための
パイプライン演算ユニットがブロック形で示されている
。4つの同一の対数近似装置51゜52.53及び54
の各々は第3図に示したハードウェアの複数である。確
率P1及びp2に対応する成功カウントは入力として装
[51及び53に供給され、コストc1及びc2に対応
する時間は入力として装置52及び54に供給される。
これ等の装置の各々の出力は夫々の入力の対数近似であ
る。装置51及び52の出力間の差は第1の並列全減算
器55によって決定される。同じように、装置53及び
54出力間の差は第2の並列全減算器56によって決定
される。減算器55及び56の出力は夫々上述の段階(
2)で決定される量γ1及びγ2である。これ等はγ1
〉γ2である時に出力を与える比較器57によって比較
される。
このアルゴリズムは比を計算するための高速アルゴリズ
ムであるが1、関連しである誤差を有する。対数の近似
は、実際には対数に少数部分を含む時でも整数を与える
。従って、近似が値りを与える時でも真の値は区間(L
、L+1)中にある。
比の対数の近似はこのような2つの区間内の2つの数を
減算することによって求められる。比の対数の近似をR
とすると、比の真の対数は区間(R−1,R+1)内に
ある。比の対数は高々1ビツトの誤差があるので、真の
比は2倍以内の誤差を有する。
適応性判断は1対の比のうち大きい方を選択することで
あるが、この判断は比が2倍よりも離れている時に正し
くなされる。比が2倍以内にある時にはどの方が大きい
かに関する判断は正しくなりうるが、これ等がこのよう
に近い時には最終実行時間に与える誤判断の影響は、は
とんど等しい比の順序を交換する程度のコスト差に制限
される。
実際にはこれは大きな値になる可能性はなく、この値は
多くの異なる代替経路が存在する時は無視可能であり、
判断の誤りはわずか2つの略等しい比の配列順に影響を
与えるだけである。
数値が正規化された浮動小数点フォーマットで表現され
た時には、フォーマットの指数フィールドは対数の直接
的近似を与える。第3図に示された対数近似装置を使用
する代りに、浮動小数点数の指数フィールドを抽出する
ことによって等価的に対数を近似することもできる。
浮動小数点フォーマットによっては、指数を抽出するこ
となく対数を近似することも可能である。
その要件はオペランドが正規化されていて、オペランド
の符号のために保存されて最上位ビットを除き、指数が
表示の上位ビット中に保持されていることである。指数
は又バイアスされたフォーマット中に保持されなければ
ならず、従って最小の指数が0のフィールドとしてエン
コードされ、最大の指数は1のフィールドとしてエンコ
ードされる。2進浮動小数点演算のためのIEEIIJ
I準754−1985によって使用される次のフォーマ
ットは次の所望の性質を有する。
符号   バイアス付き指数   少数単精度の場合は
、指数フィールドは8ビット即ち1バイトであり、バイ
アスは127である。2倍精度の場合には、指数フィー
ルドは11ビツトであり、バイアスは1023である。
符号ビットはこれが負の場合には相対寸法の為の表示を
与えることがあるが、適応性探索の場合は、すべての数
は正であるので、すべてのオペランドについて0である
p及びCを正の正規化された浮動小数点の数として、比
p / cの対数を推定する時は、簡単に浮動小数点表
示を整数として取扱って、これ等を減算する。結果の先
頭ビットは表示の指数の差であり、従って対数の推定値
の差である。後行ビットは少数の差であり、従って誤差
デイジットであるが、誤差の大きさは指数フィールド中
における1有効ビツト以下であり、従って速比の推定値
中では2倍以下である。
次の本発明に従う適応性探索のソフトウェアの実施例の
擬似コード記述を示す、このプログラムはProlog
プログラムのクローズ(clause)の適応性再配列
のために具体化されたものであるが、LISPのような
他の人工言語も使用できる。比のソフトウェアの計算の
主段階(成功の確率対判断を評価するコスト)はプロオ
グラマが熟達している任意の言語のソース・コードを書
ける程度に詳細に説明されている。 prologプロ
グラムを仮定すると、その段階は次の通りである。
(1) Prologプログラムを作業空間(インター
プリタ・データベース)に読取る。
述語はN個の代替クローズ(文節)、即ち適応的に再配
列できる判断を有するものと仮定する。
(2) Prologプログラムを、実行する時に自動
的に統計的なパホーマンス情報を収集できる形式に交換
する。
(3)変換されたプログラムを実行し、必要なパホーマ
ンス情報(pi、C1、p2、C2,・・・、pN、c
N)を収集する。
(4)比(p/c)を計算し、対(pi/ci対pj/
cj)を比較する。
本発明に従い1次の段階はハードウェアで具体化される
/★comp (+ (any、Xl、X2.pred
) 、+ (any、Yl。
Y2.prad)  )  holts  ij  x
i/x2>Yl/Y2.★/camp (★、pi、c
l、★、p2.c2)←p1★c2>cl★p2&/。
comp  (★、  pi、  O,★、p2.0)
  ←/&p 1>p 2゜ comp (★、O,cl、★、O,c 2) ←/&
c2>cl。
comp (★、pi、c1.★、O,c2)←/。
(5)段階(4)で求めた結果に従い判断を分類する1
分類した結果を降順に配列してその後の判断に備える。
F1発明の効果 本発明に従い、最初の1検出器とともに、整数の加算及
び減算を使用することによって完全に除算を除去した高
速で安価な装置が与えられる。
【図面の簡単な説明】
第1図は適応性再配列方法に必要な計算を遂行する第3
図のハードウェアを使用した演算ユニットのブロック図
である。 第2図は本発明が使用される適応性再配列方法の流れ図
である。 第3図は16ビツトの整数の2を底とする対数を近似す
るためのハードウェアのブロック及び論理図である。 30・・・16ビツト・レジスタ、32.34・・・優
先順位コード化装置、36.38.4o・・・反転器バ
ンク、51,52.53.54・・・対数近似装置、5
5.56・・・並列減算器、57・・・比較器。

Claims (1)

  1. 【特許請求の範囲】 pを判断の成功結果の確率、cを判断を行うための計算
    のコストとして、各判断毎に比p/cを計算する計算装
    置を含み、データ・ベースの探索における順次的判断を
    適応的に再配列して、判断を実行する平均時間を最小に
    するシステムにおいて、上記計算装置は、 (a)各判断について確率pの対数及びコストcの対数
    を推定する装置と、 (b)pの対数からcの対数を減算して各判断について
    比p/cを発生する装置と、 (c)比p/cを比較して各判断のための優先順位値を
    発生する装置とを有する データ・ベースの探索時の順次的判断を適応的に再配列
    するシステム。
JP63122238A 1987-07-30 1988-05-20 データ・ベースの探索時の順次的判断を適応的に再配列するシステム Pending JPH01120633A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US079721 1987-07-30
US07/079,721 US4843567A (en) 1987-07-30 1987-07-30 Device to assist adaptive reordering of sequential decisions

Publications (1)

Publication Number Publication Date
JPH01120633A true JPH01120633A (ja) 1989-05-12

Family

ID=22152374

Family Applications (1)

Application Number Title Priority Date Filing Date
JP63122238A Pending JPH01120633A (ja) 1987-07-30 1988-05-20 データ・ベースの探索時の順次的判断を適応的に再配列するシステム

Country Status (3)

Country Link
US (1) US4843567A (ja)
EP (1) EP0301334A3 (ja)
JP (1) JPH01120633A (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5222197A (en) * 1990-06-28 1993-06-22 Digital Equipment Corporation Rule invocation mechanism for inductive learning engine
GB2253296B (en) * 1991-02-28 1995-05-24 Toshiba Kk Pattern recognition apparatus
CA2124479A1 (en) * 1993-06-30 1994-12-31 Thaddeus Julius Kowalski Methods and apparatus for optimizing decision making
WO1997009666A2 (en) * 1995-08-28 1997-03-13 Alex Mintz Decision making system and method
NZ286313A (en) * 1996-04-02 1997-06-24 Alan Alexander Maxwell Computer aided decision making in product evaluation
US11126495B2 (en) * 2018-03-07 2021-09-21 Micron Technology, Inc. Dynamic error handling in a memory system

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS53148234A (en) * 1977-05-30 1978-12-23 Fujitsu Ltd High-speed multiplication and division system between image data
JPS5469039A (en) * 1977-11-14 1979-06-02 Hitachi Denshi Ltd Multiplier/divider

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5913782B2 (ja) * 1978-07-17 1984-03-31 日本電気株式会社 ディジタル演算回路
JPS6319037A (ja) * 1986-07-11 1988-01-26 Fujitsu Ltd デ−タの対数変換方式

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS53148234A (en) * 1977-05-30 1978-12-23 Fujitsu Ltd High-speed multiplication and division system between image data
JPS5469039A (en) * 1977-11-14 1979-06-02 Hitachi Denshi Ltd Multiplier/divider

Also Published As

Publication number Publication date
EP0301334A3 (en) 1992-04-01
EP0301334A2 (en) 1989-02-01
US4843567A (en) 1989-06-27

Similar Documents

Publication Publication Date Title
Chvalovský et al. ENIGMA-NG: efficient neural and gradient-boosted inference guidance for E
US7725409B2 (en) Gene expression programming based on Hidden Markov Models
Malhotra et al. Software effort prediction using statistical and machine learning methods
Zandieh et al. Kdeformer: Accelerating transformers via kernel density estimation
US20060200436A1 (en) Gene expression programming with enhanced preservation of attributes contributing to fitness
Miyamoto et al. Pricing multi-asset derivatives by finite-difference method on a quantum computer
JPH07121495A (ja) 1つ以上のニューラルネットワークを使用したエキスパートシステムの構築方法
Yalovetzky et al. NISQ-HHL: Portfolio optimization for near-term quantum hardware
US10733156B2 (en) Parallel discretization of continuous variables in supervised or classified dataset
Cano et al. Approximate inference in Bayesian networks using binary probability trees
Curry et al. Scaling genetic programming to large datasets using hierarchical dynamic subset selection
WO2023019899A1 (zh) 神经网络实时剪枝方法、系统及神经网络加速器
JPH01120633A (ja) データ・ベースの探索時の順次的判断を適応的に再配列するシステム
US4882691A (en) Caching argument values in pattern-matching networks
US11270214B1 (en) Providing the basis for ethical AI through explanations by coupling non-interpretable and interpretable systems
US20230047145A1 (en) Quantum simulation
Grant Measuring inconsistency in some branching time logics
Ghaderpanah et al. Polynomial scaling
Liu et al. Extracting boolean and probabilistic rules from trained neural networks
Gelle et al. The ordinal generated by an ordinal grammar is computable
Haslinger et al. Data-driven construction of Sugeno controllers: Analytical aspects and new numerical methods
CN115470899B (zh) 电力设备处理加速方法、装置、设备、芯片及介质
La Cruz A genetic algorithm with a self-reproduction operator to solve systems of nonlinear equations
Fuxjaeger et al. Scaling up probabilistic inference in linear and non-linear hybrid domains by leveraging knowledge compilation
Valkanas et al. MODL: Multilearner Online Deep Learning